Abbiamo accettato una delle più grandi anomalie dell’economia digitale: miliardi di persone firmano ogni giorno contratti che non leggono, regolano diritti che non comprendono e autorizzano utilizzi dei propri dati che spesso scoprono solo quando ormai è troppo tardi. Il pulsante “Accetto” è diventato il gesto più frequente della nostra vita online e contemporaneamente uno dei più importanti atti giuridici che compiamo senza reale consapevolezza. La promessa originaria di Internet, quella di democratizzare l’accesso all’informazione, si è trasformata in un sistema nel quale la complessità legale è diventata una barriera invisibile tra aziende tecnologiche e cittadini.
Categoria: News Pagina 1 di 175
Rivista.AI e’ il portale sull’intelligenza artificiale (AI) attualita’, ultime notizie (news) e aggiornamenti sempre gratuiti e in italiano
La giornata dell’intelligenza artificiale sta diventando sempre più una giornata antropica, non perché le macchine stiano diventando umane, ma perché iniziano a mostrare una caratteristica che per secoli abbiamo considerato esclusivamente biologica: la variabilità del comportamento. La nuova frontiera non è più soltanto costruire modelli con miliardi di parametri, ma capire perché sistemi apparentemente razionali cambino tono, atteggiamento e modalità decisionali in funzione del modello utilizzato o persino della lingua con cui vengono interrogati.
C’è un dettaglio che distingue questa dichiarazione dalle decine di manifesti sull’intelligenza artificiale pubblicati negli ultimi anni. Questa volta non sono soltanto accademici o osservatori esterni a lanciare l’allarme. Tra i firmatari figurano dirigenti e ricercatori delle aziende che stanno costruendo i modelli più avanzati del pianeta. Quando il direttore scientifico di Google Jeff Dean, la CFO di OpenAI Sarah Friar e il cofondatore di Anthropic Jack Clark sottoscrivono un documento che invita governi e istituzioni ad accelerare la preparazione all’impatto economico dell’IA, il messaggio assume un peso completamente diverso. È, in sostanza, l’industria che avverte il mondo dei rischi della tecnologia che essa stessa sta commercializzando.
L’intelligenza artificiale sta entrando nella sua fase più delicata, quella in cui il valore non è più determinato esclusivamente dalla potenza dei modelli o dalla quantità di GPU installate nei data center, ma dalla capacità di catturare e trattenere la conoscenza prodotta dalle aziende che la utilizzano. È un cambiamento profondo, destinato a ridisegnare gli equilibri economici dell’intero settore. Per questo motivo il lungo intervento pubblicato da Satya Nadella rappresenta molto più di una riflessione tecnica: è il segnale che anche uno dei protagonisti assoluti della rivoluzione dell’AI riconosce l’esistenza di un problema strutturale.
Le infrastrutture per l’intelligenza artificiale (data center, chip/GPU, reti, sistemi di raffreddamento e fonti energetiche) richiedono investimenti colossali, stimati in trilioni di dollari entro il 2030 (Goldman Sachs parla di circa 5,3 trilioni di spesa in capex da parte dei grandi tech dal 2025 al 2030). I hyperscalers (Microsoft, Amazon, Google/Alphabet, Meta, Oracle) dominano la spesa, con proiezioni intorno ai 700-800 miliardi di dollari annui nel 2026, superando i flussi di cassa operativi.
L’intelligenza artificiale sta entrando nella sua fase più difficile: non quella della dimostrazione tecnologica, già abbondantemente celebrata con grafici spettacolari e promesse da keynote, ma quella della distribuzione del potere economico. La domanda che ora inquieta amministratori delegati, governi e grandi organizzazioni non è più soltanto quale modello sia più intelligente, ma chi controllerà i dati, i processi decisionali e il valore generato dall’AI. A sollevare il problema con toni insolitamente aggressivi è Alex Karp, CEO di Palantir, una delle aziende che più ha beneficiato dalla rivoluzione dell’intelligenza artificiale applicata. (vedi articolo del The Wall Street Journal)
Il punto di partenza della polemica è il white paper pubblicato da Palantir, “Institutional Sovereignty in the Age of AI”, nel quale l’azienda sostiene che l’intelligenza artificiale rappresenti una trasformazione strutturale del potere istituzionale. Secondo la visione proposta, organizzazioni pubbliche e private rischiano di perdere autonomia strategica se affidano decisioni critiche a sistemi esterni senza mantenere il controllo sulle proprie informazioni, sulle logiche decisionali e sulla capacità di verificare i risultati prodotti dagli algoritmi. Palantir propone quindi un modello fondato sulla sovranità dei dati, sulla conoscenza interna delle organizzazioni, sulla tracciabilità delle decisioni e sulla presenza di supervisione umana.
OpenAI attribuisce a GPT-5.6 Sol Ultra la produzione di una dimostrazione della Cycle Double Cover Conjecture, formalizzata anche nel sistema di verifica Lean, ma la validazione indipendente dei matematici è ancora in corso.
La congettura della doppia copertura ciclica nasce nel cuore della teoria dei grafi, una disciplina che studia strutture matematiche utilizzate per descrivere reti, connessioni e sistemi complessi. Un grafo può essere immaginato come una rete composta da nodi collegati da archi. La condizione “senza ponti” significa che non esiste un singolo collegamento la cui rimozione spezzi la rete in due parti isolate. La domanda posta dalla congettura è apparentemente semplice: ogni rete di questo tipo può essere ricoperta completamente da una collezione di cicli, facendo in modo che ogni arco venga attraversato esattamente due volte?
Il mercato dell’intelligenza artificiale generativa ha inseguito da sempre una convinzione tanto semplice quanto costosa: utilizzare sempre il modello più potente disponibile. La logica appariva inattaccabile. Se un LLM di frontiera produce le risposte migliori, allora ogni richiesta dovrebbe essere indirizzata verso quel modello. Nella pratica, tuttavia, questa strategia funziona soltanto durante la fase di prototipazione. Quando un’applicazione passa dalla demo ai milioni, o addirittura ai miliardi, di token elaborati ogni giorno, il paradigma del “modello unico” diventa rapidamente un problema economico, architetturale e operativo.
Quella che fino a pochi mesi fa sembrava una normale competizione tra due giganti della Silicon Valley si sta trasformando in uno scontro che potrebbe ridefinire il futuro dell’hardware basato sull’intelligenza artificiale. Apple ha avviato un’azione legale contro OpenAI sostenendo che l’azienda guidata da Sam Altman avrebbe costruito il proprio programma per un nuovo dispositivo AI sfruttando informazioni riservate sottratte all’interno di Cupertino. La vicenda assume un sapore quasi cinematografico perché non riguarda soltanto brevetti o proprietà intellettuale, ma anche ex dipendenti, presunte intrusioni informatiche e accuse di elusione dei sistemi di sicurezza aziendali.
L’Italia entra nella fase più delicata della sua politica sull’intelligenza artificiale: non più soltanto annunci, sperimentazioni e dichiarazioni di principio, ma costruzione di una strategia nazionale destinata a definire il posizionamento del Paese nel nuovo equilibrio tecnologico globale. Il Governo ha istituito il Comitato di coordinamento incaricato di aggiornare la Strategia nazionale per l’intelligenza artificiale per il periodo 2026-2028, un organismo chiamato a supportare il Sottosegretario alla Presidenza del Consiglio con delega all’innovazione tecnologica Alessio Butti e collocato presso il Dipartimento per la Trasformazione digitale.
Descriviamo grandi modelli linguistici come sofisticati sistemi di completamento del testo, straordinariamente capaci di prevedere la parola successiva ma sostanzialmente privi di una reale percezione del contesto generato dalle proprie azioni. Un nuovo studio pubblicato su arXiv da Asvin G., dell’Institute for Advanced Study di Princeton, e Jack Lindsey di Anthropic mette però in discussione questa interpretazione, proponendo una tesi destinata ad alimentare il dibattito scientifico: dopo il processo di post training, i moderni LLM sembrano sviluppare la capacità di distinguere i testi prodotti autonomamente da quelli generati da altri modelli, modificando di conseguenza il proprio comportamento.
Inviting hard questions
La corsa all’intelligenza artificiale sta entrando in una fase diversa. Dopo anni dominati da benchmark, miliardi di parametri e annunci trionfali degni della tradizione più ottimista della Silicon Valley, alcune aziende iniziano a confrontarsi con una domanda più difficile: non quanto sarà potente l’AI, ma quale società emergerà quando questa potenza sarà distribuita su larga scala. Anthropic ha deciso di affrontare il tema aprendo un canale di dialogo pubblico sui rischi e sulle opportunità dell’intelligenza artificiale avanzata, chiedendo direttamente alle persone quali siano le loro paure, aspettative e interrogativi più profondi.
L’intelligenza artificiale ha fame di energia. È una constatazione che, negli ultimi mesi, sta emergendo con sempre maggiore chiarezza. Dopo aver osservato come l’Europa stia cercando di inserire la questione energetica nella propria politica industriale per l’AI e come gli Stati Uniti abbiano rilanciato il nucleare per sostenere la crescita dei data center, un’iniziativa italiana suggerisce un’altra possibile direzione.
Non riguarda nuove centrali atomiche. Non riguarda nemmeno grandi piani pubblici. Riguarda un operatore privato che ha deciso di acquistare direttamente impianti di produzione elettrica.
L’energia è tornata a pieno titolo al centro dell’agenda politica, economica e industriale dell’Europa. Non si tratta soltanto di un tema di prezzi o di sicurezza degli approvvigionamenti, ma anche della capacità di sostenere la crescita dell’intelligenza artificiale, dell’industria digitale e della competitività europea.
Dopo aver osservato come Bruxelles stia cercando di costruire una politica industriale che tenga insieme autonomia energetica e sviluppo dell’AI, e dopo aver raccontato l’accelerazione americana sul nucleare per alimentare i data center, emerge un terzo tassello della stessa storia. Riguarda il modo in cui l’Europa sta ripensando le proprie relazioni energetiche con il resto del mondo.
La geografia dell’energia sta cambiando.
La corsa all’intelligenza artificiale non riguarda più soltanto la tecnologia. Negli Stati Uniti si inizia a guardare il tema anche dal punto di vista della disponibilità di energia. E, soprattutto, della capacità di produrne abbastanza in tempi rapidi per alimentare una rete elettrica sempre più sotto pressione, mentre i data center dedicati all’AI aumentano di numero e dimensioni.
Se l’Europa discute di autonomia energetica e di come finanziare le infrastrutture necessarie per sostenere la propria politica industriale sull’intelligenza artificiale, Washington sembra aver scelto un percorso più diretto. Il nucleare è tornato al centro dell’agenda energetica, non come semplice tassello della transizione, ma come leva strategica per sostenere la competizione tecnologica globale.
L’Unione europea ha osservato la rivoluzione dell’intelligenza artificiale da una posizione ambigua, oscillando tra l’ambizione di definire le regole del futuro digitale e la difficoltà di costruire campioni industriali capaci di competere con Stati Uniti e Cina. Bruxelles non è arrivata tardi alla ricerca sull’AI, settore nel quale università e centri europei continuano a rappresentare un punto di riferimento mondiale, ma ha certamente accumulato un ritardo nella trasformazione di quella ricerca in leadership industriale. L’esplosione di ChatGPT alla fine del 2022 ha reso evidente questo squilibrio. Mentre Washington e Pechino acceleravano gli investimenti in modelli fondativi, infrastrutture cloud e semiconduttori, l’Europa concentrava gran parte delle proprie energie sul completamento dell’AI Act, diventando il primo grande regolatore globale dell’intelligenza artificiale, ma non il suo principale innovatore.
Bruxelles ha un problema molto concreto: prima ancora dei modelli linguistici, dei supercomputer e dei nuovi laboratori di ricerca, serve elettricità.
La questione è arrivata sul tavolo dell’Eurogruppo in una settimana segnata dal ritorno delle tensioni sul fronte energetico. Il possibile rischio di un nuovo blocco dello Stretto di Hormuz ha riportato l’attenzione sulle forniture di gas e petrolio, facendo muovere prezzi e mercati già nelle prime ore successive alle notizie. Per l’Europa, che da anni cerca di ridurre la propria dipendenza energetica, il promemoria è arrivato nella forma meno elegante possibile: una nuova scossa ai listini.
Tutti noi abbiamo sempre conosciuto gli Stati Uniti come il luogo dove i migliori scienziati del mondo andavano per fare ricerca. Oggi sembrerebbe che quella certezza inizi a mostrare qualche crepa. Il trasferimento del Premio Nobel per la Chimica 2025 Omar Yaghi dalla California alla Cina non è soltanto una scelta personale di carriera, ma il simbolo di una competizione più ampia: quella per il controllo della prossima generazione di innovazione scientifica, dove l’intelligenza artificiale sta diventando il principale acceleratore.
Meta costruirà in Alberta il suo primo data center canadese dedicato all’intelligenza artificiale, con un investimento da 9,17 miliardi di dollari statunitensi. Una cifra che, tradotta nella lingua non sempre poetica della tecnologia, significa una cosa molto semplice: per addestrare e far funzionare i modelli AI del futuro servono sempre più computer, sempre più energia e, soprattutto, sempre più spazio dove mettere questi enormi “cervelli digitali”.
La corsa verso gli agenti di intelligenza artificiale capaci di lavorare in autonomia sta entrando nella fase meno spettacolare ma più decisiva: quella dell’infrastruttura di sicurezza. Dopo mesi passati a celebrare modelli sempre più grandi, miliardi di parametri e benchmark da laboratorio, il problema reale per le aziende diventa molto più concreto: come permettere a un agente AI di scrivere codice, eseguirlo, navigare sul web e manipolare dati senza consegnargli le chiavi del proprio patrimonio digitale. Google sta cercando di rispondere a questa domanda con Cloud Run sandboxes, un’estensione attualmente in anteprima che introduce ambienti di esecuzione isolati, temporanei e creati quasi istantaneamente all’interno dell’infrastruttura serverless di Cloud Run.
Hallusquatting, il nuovo attacco che trasforma le allucinazioni dell’AI in una porta d’ingresso per gli hacker
L’intelligenza artificiale generativa sta entrando nella fase più delicata della sua evoluzione: quella in cui smette di essere un semplice strumento di risposta e diventa un agente operativo capace di navigare, scrivere codice, installare componenti software, accedere a documenti e prendere decisioni con un certo grado di autonomia. Proprio questa trasformazione, celebrata dalla Silicon Valley come il passaggio dagli assistenti digitali agli “AI agent”, sta aprendo una nuova superficie di attacco informatico che fino a pochi mesi fa apparteneva più alla fantascienza che alla cybersecurity. Una ricerca condotta da studiosi della Tel Aviv University, del Technion e di Intuit ha introdotto il concetto di “Adversarial HalluSquatting”, una tecnica che sfrutta le allucinazioni dei modelli linguistici per trasformarle in un potenziale vettore di compromissione.
OpenAI ha reso pubblico GPT-5.6 Sol, il nuovo modello di punta della società, inaugurando una fase diversa nella competizione globale dell’intelligenza artificiale generativa. Dopo una fase preliminare riservata a circa venti partner selezionati, secondo le informazioni diffuse dalla società, il modello arriva al grande pubblico insieme a due versioni complementari, Terra e Luna, segnando un cambiamento significativo nella strategia di prodotto di OpenAI. Per la prima volta l’azienda abbandona la semplice progressione numerica come unica identità dei modelli e introduce una famiglia con nomi distintivi, dove ogni componente può evolvere secondo tempi e strategie autonome.
Meta ha scelto un momento simbolico per cambiare strategia nell’intelligenza artificiale generativa: il lancio di Muse Spark 1.1 non rappresenta soltanto l’arrivo di un nuovo modello linguistico, ma il passaggio da una filosofia di apertura quasi ideologica a un modello commerciale più vicino ai grandi operatori cloud. Per anni Meta ha utilizzato Llama come arma geopolitica contro OpenAI e Anthropic, distribuendo modelli potenti con una licenza aperta sufficiente a creare un ecosistema globale di sviluppatori, startup e ricercatori. Ora la società guidata da Mark Zuckerberg sembra aver deciso che l’era della pura generosità tecnologica è terminata: anche l’intelligenza artificiale, come ogni infrastruttura strategica, deve produrre ricavi.
Per anni il dibattito sull’intelligenza artificiale si è concentrato quasi esclusivamente sulla dimensione dei modelli. Più parametri, più GPU, più miliardi investiti, come se l’innovazione fosse una semplice gara di muscoli computazionali. L’annuncio di Perplexity racconta invece una storia diversa e probabilmente più interessante: il futuro dell’AI commerciale potrebbe appartenere non a chi costruisce il modello più potente, ma a chi orchestra nel modo più intelligente modelli diversi, riducendo drasticamente il costo dell’inferenza senza sacrificare la qualità.
Perplexity ha presentato una research preview di una versione post-addestrata di GLM 5.2, il modello open source sviluppato dalla società cinese Z.AI, precedentemente nota come Zhipu AI. L’obiettivo non è semplicemente migliorare il modello, bensì trasformarlo nel primo livello decisionale della propria piattaforma di agenti AI, denominata Computer, affidandogli la maggior parte delle richieste e demandando soltanto quelle realmente complesse ai costosi frontier model come Claude Opus 4.8.
ChatGPT work cambia le regole: OpenAI smette di vendere chatbot e inizia a vendere colleghi digitali
Per mesi l’attenzione era concentrata su GPT-5.6. Il modello era certamente importante, ma OpenAI ha scelto di trasformare il suo lancio in qualcosa di molto più ambizioso: l’introduzione di ChatGPT Work, un agente operativo progettato per lavorare autonomamente per ore, attraversando applicazioni, documenti, repository di codice e servizi cloud fino a consegnare un risultato completo. Non si tratta di un semplice aggiornamento del modello linguistico, bensì di un cambiamento architetturale che ridefinisce il ruolo dell’intelligenza artificiale nel lavoro della conoscenza.
L’ingresso di Ben Bernanke, ex presidente della Federal Reserve e Premio Nobel per l’Economia 2022, nel Long-Term Benefit Trust di Anthropic rappresenta molto più di una semplice nomina prestigiosa. È il segnale che la governance dell’intelligenza artificiale sta entrando in una nuova fase, nella quale la competenza economica e la gestione del rischio sistemico diventano elementi centrali tanto quanto gli algoritmi e la potenza di calcolo. In altre parole, l’AI non viene più governata soltanto da ingegneri, ricercatori e venture capitalist, ma anche da chi ha già affrontato crisi capaci di mettere in discussione la stabilità dell’intero sistema economico.
L’intelligenza artificiale sta entrando in una nuova fase evolutiva, meno spettacolare agli occhi del grande pubblico ma probabilmente molto più importante per chi deve costruire infrastrutture sostenibili. Per oltre tre anni il mercato ha vissuto una corsa quasi ossessiva verso modelli sempre più grandi, con miliardi di parametri aggiunti come se la dimensione fosse sinonimo inevitabile di qualità. Oggi inizia invece ad affermarsi una domanda decisamente più pragmatica: è davvero necessario utilizzare il modello più potente per qualsiasi richiesta? La risposta proposta da Regolo.ai, piattaforma europea di Green AI sviluppata all’interno dell’ecosistema DHH Group, è un deciso no. Il paper scientifico Brick: Spatial Capability Routing for the Mixture-of-Models (MoM) Paradigm, pubblicato su arXiv da Francesco Massa e Marco Cristofanilli, propone infatti un cambio di paradigma destinato ad avere implicazioni profonde sull’intera industria dell’AI.
La Commissione europea ha compiuto un passo che va ben oltre la pubblicazione di un semplice documento programmatico. Con l’Action Plan on Cybersecurity and Artificial Intelligence, presentato il 7 luglio 2026, Bruxelles riconosce ufficialmente che l’intelligenza artificiale non rappresenta più soltanto uno strumento destinato ad aumentare la produttività o automatizzare processi aziendali, bensì il nuovo terreno di confronto strategico sul quale si giocheranno sicurezza nazionale, competitività industriale e autonomia geopolitica. Il messaggio è inequivocabile: la cybersecurity del prossimo decennio sarà alimentata dall’AI, ma anche minacciata dalla stessa tecnologia.
Introducing a way to reflect on how you use Claude
La moda dello “year in review” nata con Spotify Wrapped ha ormai superato il confine dell’intrattenimento digitale ed è diventata un nuovo paradigma per raccontare il rapporto tra persone e piattaforme. Dopo musica, video, mobilità e acquisti, il fenomeno arriva nel territorio più delicato e strategico della tecnologia contemporanea: l’intelligenza artificiale personale. Anthropic ha introdotto “Reflect”, una nuova funzione del chatbot Claude progettata per analizzare il modo in cui gli utenti interagiscono con il modello, trasformando milioni di conversazioni in una sorta di specchio cognitivo digitale.
Quale modello è il migliore? Oggi la domanda realmente strategica è completamente diversa. Quale modello dovrebbe essere utilizzato, in quale momento e per quale specifico compito? È una differenza apparentemente sottile, ma rappresenta il passaggio dall’era dell’hype a quella dell’ingegneria economica dell’AI.
Anthropic ha appena formalizzato (su GITHUB) questo cambio di paradigma mostrando come Fable 5, il proprio modello più potente, non debba necessariamente essere il motore di ogni singolo token elaborato. Il motivo è semplice: l’intelligenza artificiale più sofisticata produce risultati eccellenti, ma ogni token elaborato ha un costo che, su larga scala, diventa rapidamente una voce significativa nel conto economico di qualsiasi organizzazione. Quando milioni o miliardi di token vengono processati ogni giorno, l’efficienza architetturale diventa importante quanto la qualità del modello.
La ricerca italiana sull’intelligenza artificiale conquista un nuovo spazio nel dibattito internazionale con ReTraceQA, il progetto presentato dal gruppo Sapienza NLP dell’Università La Sapienza di Roma durante ACL 2026 a San Diego, uno degli appuntamenti più importanti al mondo per la comunità scientifica impegnata nell’elaborazione del linguaggio naturale. Il lavoro, guidato da Roberto Navigli insieme a Luca Moroni, Francesco Maria Molfese, Ciro Porcaro e Simone Conia, affronta una delle questioni più delicate dell’attuale stagione dell’AI generativa: quanto possiamo realmente fidarci di un modello che fornisce la risposta corretta se il percorso logico che lo ha portato alla soluzione è sbagliato?
Meta prova a risolvere il problema più delicato della nuova era degli indossabili intelligenti: convincere il mondo che una telecamera sul volto non rappresenta automaticamente una minaccia. Il 7 luglio 2026 l’azienda ha pubblicato un documento di chiarimento sui suoi AI Glasses, rispondendo alle domande più frequenti su privacy, registrazione, gestione dei dati e meccanismi di sicurezza. Dietro il linguaggio rassicurante di Meta emerge però una questione molto più profonda: quando una tecnologia diventa parte del corpo umano, il confine tra comodità digitale e controllo sociale diventa estremamente sottile.
OpenAI sta spostando il confine dell’interazione uomo macchina con il lancio di GPT-Live-1, il nuovo modello vocale destinato a cambiare radicalmente il modo in cui gli utenti dialogano con ChatGPT. La promessa non è soltanto una voce più naturale o una latenza inferiore, ma un cambio di paradigma: passare dal concetto di assistente che risponde a comando a quello di interlocutore digitale capace di ascoltare, interpretare il contesto e partecipare a una conversazione continua. La differenza sembra sottile, ma nel mondo dell’intelligenza artificiale conversazionale rappresenta una delle frontiere più strategiche, perché il vero valore non è generare parole, ma costruire una relazione cognitiva fluida.
La nuova battaglia dell’intelligenza artificiale non si combatte più soltanto sul terreno del modello più intelligente, ma su quello molto più concreto dell’economia industriale dell’AI. Con il lancio di Grok 4.5, la divisione di intelligenza artificiale collegata a Elon Musk entra in una fase diversa della competizione globale: non promette di avere il cervello artificiale più brillante della stanza, ma quello che consuma meno energia finanziaria per produrre risultati abbastanza buoni. In altre parole, la Silicon Valley sembra finalmente ricordarsi che anche i modelli linguistici, prima o poi, devono passare dalla poesia dei benchmark alla contabilità dei CFO.
I primi segnali della prossima rivoluzione del software aziendale non arrivano da una nuova piattaforma ERP o dall’ennesimo aggiornamento di un CRM, ma dall’utilizzo quotidiano dei grandi modelli linguistici. Sempre più piccole e medie imprese stanno sperimentando Claude di Anthropic per sviluppare applicazioni interne personalizzate, automatizzare processi e costruire flussi di lavoro che fino a ieri richiedevano costose licenze di prodotti come Salesforce o HubSpot. Quello che era nato come un semplice tentativo di ridurre i costi di sviluppo sta rapidamente assumendo i contorni di un cambiamento strutturale: se un’intelligenza artificiale è in grado di creare il software necessario a un’azienda, quanto rimane realmente indispensabile il software tradizionale?
Per anni Elon Musk ha sostenuto che l’intelligenza artificiale sarebbe diventata la tecnologia più importante del XXI secolo. Oggi quella visione entra in una fase diversa: non più soltanto modelli da mostrare sui social o chatbot destinati al grande pubblico, ma strumenti progettati per entrare nelle aziende e competere in uno dei mercati più redditizi dell’economia digitale. Il lancio di Grok 4.5 e del Voice Agent Builder segnala che la divisione AI di SpaceX vuole trasformarsi in un fornitore di piattaforme enterprise, puntando su programmazione, automazione dei processi e assistenti vocali per il servizio clienti.
Per anni parlare di intelligenza artificiale sui mass media ha significato, quasi automaticamente, parlare di Stati Uniti: i grandi laboratori, i modelli di frontiera, i capitali della Silicon Valley.
Oggi questo modo di raccontare forse è diventato più stretto della realtà.
La competizione si è spostata su un terreno molto più concreto e molto più geografico, quello delle infrastrutture fisiche che rendono possibile l’AI: le fabbriche che producono i semiconduttori e i data center che forniscono la potenza di calcolo. E su questo terreno stanno entrando in gioco nuovi protagonisti.
Il segnale più netto arriva dalla Corea del Sud. Andate a rileggere l’articolo La Corea del Sud Scommette sull’IA, dove viene raccontato come la Corea del Sud ha annunciato un piano capace di mobilitare investimenti pubblici e privati per oltre 1.170 miliardi di euro, con l’obiettivo dichiarato di diventare uno dei primi hub mondiali dell’intelligenza artificiale.
La rimozione da parte di Anthropic di un sistema nascosto di identificazione integrato in Claude Code non è soltanto un incidente tecnico, ma un episodio che illumina una delle tensioni più delicate della nuova fase dell’intelligenza artificiale: la distanza crescente tra sicurezza dei modelli, controllo degli abusi e diritto degli sviluppatori alla trasparenza. La vicenda nasce quando un ricercatore indipendente, noto online come “Thereallo”, scopre che Claude Code, l’assistente AI per programmatori sviluppato da Anthropic, utilizzava marcatori invisibili all’interno dei prompt di sistema per raccogliere segnali relativi a posizione geografica, utilizzo di proxy e possibili collegamenti con laboratori AI cinesi.
L’intelligenza artificiale sta modificando il mercato del lavoro più rapidamente della capacità delle università di adattare i propri modelli educativi. La vera sfida non riguarda più soltanto il modo in cui gli studenti utilizzano strumenti generativi come ChatGPT per produrre testi, analisi o codice, ma il tipo di competenze che saranno necessarie quando l’AI diventerà una componente strutturale dei processi aziendali. La domanda strategica non è quindi come impedire agli studenti di usare l’intelligenza artificiale, ma come prepararli a competere e collaborare con sistemi che stanno assumendo una quota crescente delle attività cognitive tradizionalmente affidate agli esseri umani.
Meta ha compiuto un altro passo nella corsa all’intelligenza artificiale generativa presentando Muse Image, il primo modello dedicato alla generazione di immagini sviluppato all’interno dei nuovi Meta Superintelligence Labs, la divisione creata da Mark Zuckerberg con un obiettivo che fino a pochi anni fa sembrava appartenere più alla fantascienza che ai piani industriali: costruire sistemi capaci di avvicinarsi alla superintelligenza artificiale.